KI-Potenziale für die philatelistische Forschung Möglichkeiten und Einschränkungen des KI-Einsatzes in Recherche, Verfassen, Datenmanagement und Publikation in der Philatelievon Dr. Eric Scherer, FRPSL, AIJP, AEP
Künstliche Intelligenz (KI) ist in aller Munde und entwickelt sich mit einer nie dagewesenen Geschwindigkeit. In der Arbeitswelt, aber auch an Schulen und Universitäten wirbelt KI die altgewohnten Arbeitsmethoden durcheinander. Zahlreiche, meist kostenfreie Online-Werkzeuge machen sie für jede Person zugänglich und senken damit die Eintrittshürden für die Nutzung. Gerade in der philatelistischen Forschung und Publikationstätigkeit eröffnet KI erhebliche neue Möglichkeiten.
Gleichzeitig ist gerade die Philatelie einer besonderen Art von Innovationsfeindlichkeit und teilweise etwas kruden Nostalgie geprägt. Aus Prinzip steht man allen – oder zumindest vielen Neuerungen – kritisch gegenüber. Gleichzeitig ist gerade das Feld von KI ein Feld, das Schaumschläger und Dilettanten anzieht. Es macht daher Sinn, sich strukturiert mit dem Thema zu beschäftigen.
Ich selbst sehe die Möglichkeit einer «magischen Verbindung» von KI und Philatelie: Philatelie bietet gerade jungen und interessierten Menschen die Möglichkeit, KI-Werkzeuge strukturiert einzusetzen. Damit könnte sich Philatelie gerade für Menschen, die mit Hilfe von KI ihre Forschungs- und Analyse-Skills weiterentwickeln wollen, als ideales Betätigungsfeld anbieten.
Der nachfolgende Beitrag analysiert systematisch vier zentrale Anwendungsfelder KI: Recherche und Quellenerschliessung, Verfassen und Strukturieren von Texten, Datenmanagement sowie Publikation und Verbreitung. Es wird gezeigt, dass KI vor allem als Beschleunigungs- und Erweiterungswerkzeug wirkt, das philatelistisches Expertenwissen nicht ersetzt, sondern dessen Reichweite substantiell vergrössert. Gleichzeitig werden die spezifischen Grenzen und Risiken des KI-Einsatzes benannt, insbesondere die Fehleranfälligkeit bei hochspezifischen Detailangaben.
Wo stehen wir heute ?Die philatelistische Forschung steht vor strukturellen Herausforderungen: Wachsende Quellenmengen in vielen Sprachen stehen digital zur Verfügung, verteilte Datenbankbestände – leider noch immer mit zahlreichen Zugangsbeschränkungen, hoher Aufwand für konsistente Beschreibungsarbeit und der stetige Rückgang aktiver Autoren in Spezialbereichen machen die Pflege und Erweiterung des Wissensstands zunehmend aufwändig. Hinzu kommen die Philatelie typischen Marotten, etwa die unzähligen bisher noch nicht digital erschlossenen Datenbestände und das Fehlen einer Schwarmkultur, die es etwa ermöglichen würde, aus den unzähligen privaten Scan-Aktivitäten eine kollektive Schwarm-Aktivität zu machen. Dem gegenüber stehen unterschiedlichste KI-Werkzeuge, die in vielen Fällen kostenfrei oder zu geringen Kosten zugänglich sind. KI kann helfen, die Herausforderungen anzugehen und die bestehenden Engpässe zu überwinden.
Recherche und AnalysePhilatelistische Quellen und Literatur sind global verteilt und erscheinen in Sprachen, die für die Mehrheit der Forscher unzugänglich sind: Russische Spezialstudien zu Semstwo-Lokalpostmarken, japanische Arbeiten zu Fernostausgaben, portugiesische Quellen zur Kolonialphilatelie oder arabische Texte zu osmanischen Postgebieten blieben bisher de facto unerschlossen. Moderne KI-Systeme übersetzen diese Texte heute mit hoher Qualität, aber nicht immer unter Beibehaltung der philatelistischen Fachterminologie.
Dabei erweist sich eine dreistufige Arbeitsweise als besonders effizient:
Im ersten Schritt übernimmt KI das Screening, indem sie Titel, Abstract und Fazit einer Publikation sichtet und in wenigen Sätzen ihre Relevanz für die konkrete Forschungsfrage bewertet.
In einem zweiten Schritt erstellt KI für relevante Quellen eine strukturierte Zusammenfassung mit Fragestellung, Methode, Hauptbefunden und Abweichungen gegenüber der bestehenden Literatur.
Der dritte Schritt – die vollständige Übersetzung – wird gezielt nur für diejenigen Abschnitte eingesetzt, die für die eigene Arbeit unmittelbar benötigt werden.
KI kann auch zur Katalogisierung genutzt werden. So ist es z.B. möglich Auktionsergebnisse verschiedener Häuser systematisch erfassen und so etwa Preisentwicklungen nachzuzeichnen. Bei der Auswertung umfangreicher Quellenkorpora kann KI-Querverweise automatisch erkennen:
Welche Aussagen sind in mehreren unabhängigen Quellen belegt? Wo widersprechen sich Kataloge oder Studien? Welche Forschungsfragen bleiben bislang offen? Das Ergebnis ist eine strukturierte Forschungsübersicht, die manuell Wochen in Anspruch nehmen würde.
Im konkreten Fall hat der Autor für ein Buchprojekt über 1'600 Postanweisungen, Dekrete und Gesetzestexte in drei Sprachen zu einem kolonialen Sammelgebiet zusammengestellt und diese mit ca. 150 philatelistischen Publikationen, die online verfügbar waren oder durch Scannen und PDF-Erzeugung digital zugänglich gemacht wurden, über die KI-Applikation Google Notebook ausgewertet. Dabei konnten zahlreiche bisher völlig unbekannte Aspekte recherchiert werden, die einfach in der schieren Menge von mehrsprachigem Text sonst untergegangen sind.
Es war möglich, Zusammenhänge zwischen verschiedenen Ebenen der Gesetzgebung, etwa den Parlamentsdiskussionen im Mutterland und konkreten Postanordnungen in der Kolonie aufzuzeigen, oder auch nur Portotabellen über die Zeit hinweg zu erstellen und mit vorhandenen Tabellen aus der bekannten philatelistischen Literatur zu vergleichen. Google Notebook arbeitet anders als offene KI-Systeme nur auf Basis der jeweils hochgeladenen Daten. Daher sind KI-typische Negativerscheinungen, wie Fantasie-Fakten und Halluzinationen, nicht möglich. Vor Fehlinterpretationen ist KI jedoch nicht gefeit.
Verfassen und StrukturierenEin wesentlicher Aufwand in der philatelistischen Literaturarbeit liegt in der konsistenten Beschreibungsarbeit: Katalogeinträge, Variantenbeschreibungen und Stempelklassifikationen erfordern eine einheitliche Fachsprache, die über lange Texte hinweg ermüdungsfrei aufrechtzuerhalten ist. KI kann Erstentwürfe für gleichartige Beschreibungen liefern, die Fachexperten anschliessend kontrollieren und verfeinern. Dieser Arbeitsmodus reduziert den Zeitaufwand erheblich, ohne die inhaltliche Verantwortung aus der Hand zu geben.
Besondere Stärke zeigt KI bei der Konsistenzprüfung :Werden Fachbegriffe wie «Kehrdruck», «Tête-bêche», «se-tenant» oder «Plattenfehler» im gesamten Dokument einheitlich verwendet. Auf Wunsch kann KI auch ein projektspezifisches Terminologieglossar aufbauen und bei jedem neuen Abschnitt darauf zurückgreifen.
Für die Erstellung umfangreicher philatelistischer Monografien oder Spezialstudien kann KI bei der Grobgliederung und der logischen Abfolge der Kapitel mitwirken. Ausgehend von einer Beschreibung des Forschungsgegenstands und der vorhandenen Quellenbasis schlägt KI eine Struktur vor, die anschliessend vom Autor angepasst wird. Die Stärke von KI in diesem Bereich liegt v.a. in der Meta-Ebene. KI kann helfen, für den späteren Leser spannende Zusammenhänge aufzuzeigen und dem Autor helfen, einen verständlichen roten Faden aufzubauen.
Auch hier sei auf Tools wie Google Notebook verwiesen. Der Autor hat probeweise eigene Exponate aber auch mehrere fremde Exponate der BDPh-Plattform «Exponate Online» auf Google Notebook hochgeladen. Google Notebook bietet etwa die Möglichkeit, einfache strukturierte grafische Übersichten auf einem Blatt zu erzeugen oder – ein wirkliches Highlight – Podcast-Gespräche mit zwei Personen zu erstellen. Bei Ausprobieren hat sich gezeigt, dass Google Notebook sehr gut in der Lage war, aus den Exponaten eine spannende – und vorher nicht oder nur rudimentär sichtbare – Storyline zu bilden. Gerade diese Eigenschaft von KI sehe ich als besonders attraktiv und vielversprechend. Jeder Philatelist und Sammler ist so in der Lage, eine Art «Zweite Sicht» auf sein Sammelgebiet zu erzielen, die häufig völlig neue Blickwinkel ermöglicht und so das eigene Sammel- und Forschungsgebiet interessanter darstellt und breiter zugänglich macht.
Beispiel einer mit Google Notebook erstellten Infografik zur Entwicklung der Messageries Maritime. (in englischer Sprache) 
Grafische Zusammenfassung des Exponats «Aus dem Briefkasten» des Autors erstellt mit Google Notebook. Das Exponat ist online einsichtig:
https://www.exponate-online.de/e_exponat.asp?a=1&e=174 DatenmanagementDie systematische Verwaltung philatelistischer Informationen ist fehleranfällig und zeitaufwändig. KI kann unstrukturierte Sammlungsnotizen, handschriftliche Inventare oder heterogene Tabellen in konsistente Datenstrukturen überführen und dabei auf Widersprüche, fehlende Felder oder Inkonsistenzen hinweisen.
Beim Abgleich zwischen verschiedenen Quellen – etwa beim Vergleich von Katalogangaben mit Auktionsergebnissen oder Sammlungsinventaren – kann KI systematisch Abweichungen identifizieren und zur Klärung vorlegen. Dies erhöht die Datenqualität philatelistischer Publikationen erheblich.
Die Erstellung von Sach- und Personenregistern sowie von Indizes für Katalognummern gehört zu den zeitaufwändigsten Arbeiten. KI kann diese Aufgabe auf Basis des vorliegenden Textes weitgehend automatisiert übernehmen und einen Registervorschläge liefern, den der Autor noch einmal fachlich durchsieht. Auch die Erstellung von Querverweislisten zwischen verschiedenen Katalogsystemen lässt sich so erheblich beschleunigen.
Publikation und VerbreitungKonkret kann KI Expertentexte für Texte in Bezug auf Rechtschreibung, Grammatik und Stil überprüfen, Dopplungen aufdecken und vereinfachen. Dabei können etwa Online-Werkzeuge wie Grammarly genutzt werden, dass man direkt in ein Textverarbeitungssystem, etwa Word, integrieren kann, oder man kann einen Text durch ein KI-Werkzeug analysieren lassen. Claude.ai etwa deckt Dopplungen auf, zeigt auf, wo Gedankengänge nicht durchgängig formuliert sind oder wo textuelle Ungleichgewichte vorliegen.
Für die internationale Verbreitung philatelistischer Forschung bietet KI die Möglichkeit, Texte zuverlässig in andere Sprachen zu übersetzen. Die philatelistische Fachterminologie verbleibt hier als Problem. Hier ist KI nicht perfekt – aber das sind wir Philatelisten auch nicht wirklich. Für publikationsreife Übersetzungen empfiehlt sich trotz Allem eine abschliessende Kontrolle durch einen muttersprachlichen Fachkundigen. Dieser wird diese Arbeit aber sicher mit mehr Freude angehen, wenn er nicht ständig einfachste Rechtschreibe- und Grammatikfehler korrigieren muss.
Grenzen und RisikenDer Einsatz von KI in der philatelistischen Literaturarbeit setzt ein klares Verständnis ihrer strukturellen Grenzen von KI voraus. Diese unterscheiden sich nicht von allen anderen Anwendungsbereichen von KI und sind daher nicht Philatelie-spezifisch:
– Halluzinationen bei Detailfakten: KI-Systeme sind bekannt dafür, bei sehr spezifischen Angaben plausibel klingende, aber falsche Informationen zu erzeugen. Jede konkrete Zahl und jede spezifische Sachaussage muss gegen die Primärquelle geprüft werden. Dieser Umstand trifft v.a. dann zu, wenn man KI-Systeme mit einer offenen Datenbasis nutzt.
– Keine Echtheitsprüfung: KI sieht keine physische Marke. Sie kann kein Urteil über Original, Fälschung, Reparatur oder Signaturvalidität fällen. Diese Kernkompetenz der philatelistischen Expertise bleibt ausschliesslich beim menschlichen Fachmann.
– Keine eigenständige Forschung: KI synthetisiert bekanntes Wissen. Sie entdeckt keine neuen Plattenfehler, erkennt keine bisher unbekannte Variante und löst keine offenen Forschungsfragen. Innovationen entstehen weiterhin durch menschliche Beobachtung und Analyse.
– Widersprüche nicht auflösbar: Wo zwei Kataloge oder Studien einander widersprechen, gibt KI in der Regel beide Positionen wieder, ohne eine Entscheidung zu treffen. Das philatelistische Urteil über die bessere Quelle bleibt beim Experten.
Die empfohlene Arbeitsweise lautet daher: KI als Recherche- und Textbeschleuniger nutzen, alle KI-generierten Faktenaussagen als Hypothesen behandeln und anschliessend in Primärquellen verifizieren. Die Stärke liegt in Breite und Geschwindigkeit; die verbürgte Einzelaussage bleibt Domäne der Expertise.
Transparenz beim Einsatz von KIAuch wenn viele das noch immer denken: die Nutzung von KI per se ist nicht negativ und sollte auch keinen negativen Beigeschmack haben. Viel eher ist es so, dass man durch KI zu einer Forschungs- und Textqualität sowohl bezüglich Inhalt als auch bzgl. Form kommen kann, die in der Vergangenheit kaum möglich war. Damit sollte man KI als Hilfsmittel auf dem Weg zum bestmöglichen Ergebnis verstehen. Es gehört aber zum guten Ton, die Nutzung von KI offen zu legen. Hier gibt es noch keine verbindlichen Standards, aber gerade in der universitären Forschung wird immer wieder auf die Empfehlungen der Modern Language Association of America hingewiesen:
–
Zitieren Sie immer das generative KI-Tool, wenn Sie die Inhalte - Text, Bilder, Daten oder andere -, die mit diesem Tool erstellt wurden, direkt anwenden, paraphrasieren oder in Ihre eigene Arbeit einbauen. Hier ist die Übernahme von durch KI-Tools erzeugten inhaltlichen Elementen gemeint, sei es im ursprünglichen Zustand oder nach Überarbeitung. Inhaltliche Elemente sind u.a. Ideen, Argumente, Interpretationen (inkl. Zusammenfassungen), Auswertungen, Textstrukturen, Code und Bilder (inkl. Diagrammen, Visualisierungen, usw.). In solchen Fällen soll ein Verweis auf das Tool an der betroffenen Stelle (z.B. in einer Klammer im Text, in einer Fuss- oder Endnote oder in der Bildunterschrift) eingefügt werden.
–
Erwähnen Sie alle Verwendungen des Tools (wie die Bearbeitung Ihres Textes oder die Übersetzung von Textstellen) in einer Notiz, direkt im Text oder an einer anderen geeigneten Stelle. Hier geht es um die Überarbeitung von durch die Studierenden selbst erzeugten Inhalten durch KI-basierte Tools: etwa Neuformulierungen, Übersetzungen, Anpassungen und Verbesserungen von Bildern oder auch Code-Optimierung und-Bereinigung. In solchen Fällen ist eine allgemeine Notiz über die Tools und ihre Verwendungsweise am Anfang oder am Ende der Arbeit in der Regel ausreichend.
–
Achten Sie darauf, die zitierten Sekundärquellen zu überprüfen. Literaturangaben sind, wie oben erwähnt, durch KI-Tools häufig frei erfunden.
FazitKünstliche Intelligenz verändert die philatelistische Forschung nicht durch Ersatz des Expertenwissens, sondern durch erhebliche Erweiterung seiner Reichweite. Fremdsprachige Quellen werden zugänglich, Recherchezeiten verkürzen sich drastisch, Beschreibungsarbeit lässt sich beschleunigen, und dieselben Inhalte können für verschiedene Zielgruppen und Sprachen aufbereitet werden, ohne jeden Text neu zu verfassen.
Das realistischste und produktivste Modell ist eine enge Mensch-KI-Kooperation: Der philatelistische Experte bleibt inhaltliche Autorität und Qualitätskontrolle; KI übernimmt die zeitaufwändigen Routinearbeiten und erweitert die Quellengrundlage. In diesem Rahmen ist KI ein mächtiges Werkzeug – vergleichbar dem Mikroskop für die Druckforschung oder der Datenbankrecherche für die Variantenerschliessung.
Ein grosses Potential liegt aber auch darin, dass Philatelie gerade für Menschen ein perfektes Betätigungsfeld ist, die KI nutzen wollen. Hier ergibt sich ein völlig neues Potential und ein neuer Blickwinkel.
Hinweis: Dieser Beitrag wurde mit Unterstützung von Claude (Anthropic) verfasst und ist damit selbst einer der beschriebenen Anwendungsfälle.
[Erstveröffentlichung durch Dr. Eric Scherer in
Philatelic Journalist Nr. 180 der AIJP]
